Lucene 时间排序

在Lucene4.4中，想要实现搜索结果按照时间倒序的效果：如果两个文档得分相同，那么就按照发布时间倒序排列；否则就按照分数排列。这种效果在Lucene4.6中实现起来极其简单，直接利用search接口的Sort参数即可达成，完全不需要像某些人说的重写Similarity那么麻烦。三两行代码的事情，体现了Make it simple, stupid的精髓。

首先来看看测试例子，这个例子中我建立了四个文档，按照内容-发布日期来表示分别是：

2004年光棍节攻略 , 20041111

2005年光棍节攻略 , 20051111

2006年光棍节攻略 , 20061111

游戏攻略 ，20141111

统一使用“光棍节攻略”来搜索它们，用户希望最新的光棍节攻略排在第一。

如果不做排序处理的话，用户体验非常糟糕：

1. package com.hankcs.test;
2.  
3. import org.apache.lucene.analysis.Analyzer;
4. import org.apache.lucene.document.*;
5. import org.apache.lucene.index.*;
6. import org.apache.lucene.queries.CustomScoreQuery;
7. import org.apache.lucene.queries.function.FunctionQuery;
8. import org.apache.lucene.queryparser.classic.ParseException;
9. import org.apache.lucene.queryparser.classic.QueryParser;
10. import org.apache.lucene.search.*;
11. import org.apache.lucene.store.Directory;
12. import org.apache.lucene.store.LockObtainFailedException;
13. import org.apache.lucene.store.RAMDirectory;
14. import org.apache.lucene.util.Version;
15. import org.wltea.analyzer.lucene.IKAnalyzer;
16.  
17. import java.io.IOException;
18.  
19. /**
20.  * @author hankcs
21.  */
22. public class TestSortByTime
23. {
24.     public static void main(String[] args)
25.     {
26.         // Lucene Document的主要域名
27.         String fieldName = "text";
28.  
29.         // 实例化IKAnalyzer分词器
30.         Analyzer analyzer = new IKAnalyzer();
31.  
32.         Directory directory = null;
33.         IndexWriter iwriter;
34.         IndexReader ireader = null;
35.         IndexSearcher isearcher;
36.         try
37.         {
38.             //索引过程**********************************
39.             //建立内存索引对象
40.             directory = new RAMDirectory();
41.  
42.             //配置IndexWriterConfig
43.             IndexWriterConfig iwConfig = new IndexWriterConfig(Version.LUCENE_46, analyzer);
44.             iwConfig.setOpenMode(IndexWriterConfig.OpenMode.CREATE_OR_APPEND);
45.             iwriter = new IndexWriter(directory, iwConfig);
46.             //写入索引
47.             for (int i = 0; i < 3; ++i)
48.             {
49.                 int year = 2004 + i;
50.                 Document doc = new Document();
51.                 doc.add(new TextField(fieldName, year + "年光棍节攻略", Field.Store.YES));
52.                 doc.add(new IntField("date",  year * 10000 + 1111, Field.Store.YES));
53.                 iwriter.addDocument(doc);
54.             }
55.             // 加入一个干扰文档
56.             Document doc = new Document();
57.             doc.add(new TextField(fieldName, "游戏攻略", Field.Store.YES));
58.             doc.add(new IntField("date",  20141111, Field.Store.YES));
59.             iwriter.addDocument(doc);
60.             iwriter.close();
61.  
62.             //搜索过程**********************************
63.             //实例化搜索器
64.             ireader = DirectoryReader.open(directory);
65.             isearcher = new IndexSearcher(ireader);
66.  
67.             String keyword = "光棍节攻略";
68.             //使用QueryParser查询分析器构造Query对象
69.             QueryParser qp = new QueryParser(Version.LUCENE_46, fieldName, analyzer);
70.             Query query = qp.parse(keyword);
71.             System.out.println("Query = " + query);
72.  
73.             //搜索相似度最高的5条记录
74.             TopDocs topDocs = isearcher.search(query, 5);
75.             System.out.println("命中：" + topDocs.totalHits);
76.             //输出结果
77.             ScoreDoc[] scoreDocs = topDocs.scoreDocs;
78.             for (int i = 0; i < Math.min(5, scoreDocs.length); i++)
79.             {
80.                 Document targetDoc = isearcher.doc(scoreDocs[i].doc);
81.                 System.out.print(targetDoc.getField(fieldName).stringValue());
82.                 System.out.print(" , " + targetDoc.getField("date").numericValue());
83.                 System.out.println(" , " + scoreDocs[i].score);
84.             }
85.  
86.         } catch (CorruptIndexException e)
87.         {
88.             e.printStackTrace();
89.         } catch (LockObtainFailedException e)
90.         {
91.             e.printStackTrace();
92.         } catch (IOException e)
93.         {
94.             e.printStackTrace();
95.         } catch (ParseException e)
96.         {
97.             e.printStackTrace();
98.         } finally
99.         {
100.             if (ireader != null)
101.             {
102.                 try
103.                 {
104.                     ireader.close();
105.                 } catch (IOException e)
106.                 {
107.                     e.printStackTrace();
108.                 }
109.             }
110.             if (directory != null)
111.             {
112.                 try
113.                 {
114.                     directory.close();
115.                 } catch (IOException e)
116.                 {
117.                     e.printStackTrace();
118.                 }
119.             }
120.         }
121.     }
122. }

输出：

2004年光棍节攻略 , 20041111 , 0.71185887

2005年光棍节攻略 , 20051111 , 0.71185887

2006年光棍节攻略 , 20061111 , 0.71185887

游戏攻略 , 20141111 , 0.049675122

可以看到文档是严格按照分数排序的，如果分数相同，则按照索引顺序排序，导致最新的文章反而排在最下面。

使用search接口的Sort参数优化搜索结果：

1. package com.hankcs.test;
2.  
3. import org.apache.lucene.analysis.Analyzer;
4. import org.apache.lucene.document.*;
5. import org.apache.lucene.index.*;
6. import org.apache.lucene.queries.CustomScoreQuery;
7. import org.apache.lucene.queries.function.FunctionQuery;
8. import org.apache.lucene.queryparser.classic.ParseException;
9. import org.apache.lucene.queryparser.classic.QueryParser;
10. import org.apache.lucene.search.*;
11. import org.apache.lucene.store.Directory;
12. import org.apache.lucene.store.LockObtainFailedException;
13. import org.apache.lucene.store.RAMDirectory;
14. import org.apache.lucene.util.Version;
15. import org.wltea.analyzer.lucene.IKAnalyzer;
16.  
17. import java.io.IOException;
18.  
19. /**
20.  * @author hankcs
21.  */
22. public class TestSortByTime
23. {
24.     public static void main(String[] args)
25.     {
26.         // Lucene Document的主要域名
27.         String fieldName = "text";
28.  
29.         // 实例化IKAnalyzer分词器
30.         Analyzer analyzer = new IKAnalyzer();
31.  
32.         Directory directory = null;
33.         IndexWriter iwriter;
34.         IndexReader ireader = null;
35.         IndexSearcher isearcher;
36.         try
37.         {
38.             //索引过程**********************************
39.             //建立内存索引对象
40.             directory = new RAMDirectory();
41.  
42.             //配置IndexWriterConfig
43.             IndexWriterConfig iwConfig = new IndexWriterConfig(Version.LUCENE_46, analyzer);
44.             iwConfig.setOpenMode(IndexWriterConfig.OpenMode.CREATE_OR_APPEND);
45.             iwriter = new IndexWriter(directory, iwConfig);
46.             //写入索引
47.             for (int i = 0; i < 3; ++i)
48.             {
49.                 int year = 2004 + i;
50.                 Document doc = new Document();
51.                 doc.add(new TextField(fieldName, year + "年光棍节攻略", Field.Store.YES));
52.                 doc.add(new IntField("date",  year * 10000 + 1111, Field.Store.YES));
53.                 iwriter.addDocument(doc);
54.             }
55.             // 加入一个干扰文档
56.             Document doc = new Document();
57.             doc.add(new TextField(fieldName, "游戏攻略", Field.Store.YES));
58.             doc.add(new IntField("date",  20141111, Field.Store.YES));
59.             iwriter.addDocument(doc);
60.             iwriter.close();
61.  
62.             //搜索过程**********************************
63.             //实例化搜索器
64.             ireader = DirectoryReader.open(directory);
65.             isearcher = new IndexSearcher(ireader);
66.  
67.             String keyword = "光棍节攻略";
68.             //使用QueryParser查询分析器构造Query对象
69.             QueryParser qp = new QueryParser(Version.LUCENE_46, fieldName, analyzer);
70.             Query query = qp.parse(keyword);
71.             System.out.println("Query = " + query);
72.  
73.             //搜索相似度最高的5条记录
74.             Sort sort = new Sort(new SortField("text", SortField.Type.SCORE), new SortField("date", SortField.Type.INT, true));
75.             TopDocs topDocs = isearcher.search(query, 5, sort);
76.             System.out.println("命中：" + topDocs.totalHits);
77.             //输出结果
78.             ScoreDoc[] scoreDocs = topDocs.scoreDocs;
79.             for (int i = 0; i < Math.min(5, scoreDocs.length); i++)
80.             {
81.                 Document targetDoc = isearcher.doc(scoreDocs[i].doc);
82.                 System.out.print(targetDoc.getField(fieldName).stringValue());
83.                 System.out.print(" , " + targetDoc.getField("date").numericValue());
84.                 System.out.println(" , " + scoreDocs[i].score);
85.             }
86.  
87.         } catch (CorruptIndexException e)
88.         {
89.             e.printStackTrace();
90.         } catch (LockObtainFailedException e)
91.         {
92.             e.printStackTrace();
93.         } catch (IOException e)
94.         {
95.             e.printStackTrace();
96.         } catch (ParseException e)
97.         {
98.             e.printStackTrace();
99.         } finally
100.         {
101.             if (ireader != null)
102.             {
103.                 try
104.                 {
105.                     ireader.close();
106.                 } catch (IOException e)
107.                 {
108.                     e.printStackTrace();
109.                 }
110.             }
111.             if (directory != null)
112.             {
113.                 try
114.                 {
115.                     directory.close();
116.                 } catch (IOException e)
117.                 {
118.                     e.printStackTrace();
119.                 }
120.             }
121.         }
122.     }
123. }

输出结果：

命中：4

2006年光棍节攻略 , 20061111 , NaN

2005年光棍节攻略 , 20051111 , NaN

2004年光棍节攻略 , 20041111 , NaN

游戏攻略 , 20141111 , NaN

我们看到“2006年光棍节攻略”因为时间比较新，并且相关性高，就排在了第一。“2005年光棍节攻略”相关度相同，因为时间旧就排在后面一点，而干扰文档“游戏攻略”即使时间最新，因为不相关的原因排在最后面。这种效果正好是我想要的，极大提升了用户体验。